24.面向对象图像分类.pptxVIP

面向对象图像分类;同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响 面向对象的技术 集合临近像元为对象用来识别感兴趣的光谱要素 充分利用高分辨率的全色和多光谱数据，利用空间，纹理，和光谱信息来分割和分类的特点 以高精度的分类结果或者矢量输出;;发现对象 特征提取;基于规则的面向对象分类 数据“24-面向对象图像分类\1-基于规则” 基于样本的面向对象分类 数据“24-面向对象图像分类\2-基于样本” 单波段影像的面向对象分类 数据“24-面向对象图像分类\3-面向对象提取河流”;空间分辨率的调整 光谱分辨率的调整 多源数据组合 空间滤波;FX根据临近像素亮度、纹理、颜色等对影像进行分割，它使用了一种基于边缘的分割算法，这种算法计算很快，并且只需一个输入参数，就能产生多尺度分割结果。 选择高尺度影像分割将会分出很少的图斑，选择一个低尺度影像分割将会分割出更多的图斑;影像分割时，由于阈值过低，一些特征会被错分，一个特征也有可能被分成很多部分。我们可以通过合并来解决这些问题。 FX利用了 Full Lambda-Schedule算法，该方法在结合光谱和空间信息的基础上迭代合并邻近的小斑块。 这一步是可选项，如果不需要可以直接跳过。;规则分类 每一个分类有若干个规则（Rule）组成，每一个规则有若干个属性表达式来描述。规则与规则直接是与的关系，属性表达式之间是并的关系 ;对屋顶的一个描述： NDVI小于0.3（区分植被和非） 矩形化程度大于（剔除道路干扰） 面积大于45平方米（剔除小斑块干扰） 延长线小于3（剔除道路干扰） 绿波段的平均光谱小于650（剔除水泥地干扰） ;特征提取结果输出 矢量 图像（分类图像、规则图像) 结果统计报表;监督分类 根据一定样本数量以及其对应的属性信息，提供K邻近法、支持向量机主成分分析法进行特征提取;采用单波段影像，使用ENVI FX面向对象信息提取工具中的”Rule based feature extraction workflow” 进行河流信息提取;学习了ENVI FX工具 设置规则进行面向对象分类 选择样本的面向对象分类 用单波段影像进行面向对象分类